2022届安防展观展体会

非常感谢公司提供的机会，让我能够有这样的机会参观这场技术和产品的饕餮盛宴。半天多的时间，能够非常近距离接触友商，客户，以及处于产业链不同环节的公司和它们的产品，让我获益良多。这里对我个人的观展记录进行总结和分享。

我观展的主题围绕AI在产品中的应用落地进行，下面分别从AI的应用场景，芯片算法，软件技术栈几个维度来总结分享。

1.场景挖掘

应用场景方面，AI应用场景定义越来越细腻，AI是一项相对碎片化的技术，很难作为主体功能定义产品，这决定了它必须落地到具体的场景中，才能实现它的价值。过去几年，行业逐渐对一些常见的场景进行了智能化改造，有些产品形态已经比较成熟，竞争也会越来越激烈。未来，行业参与者将会挖掘越来越多的新场景来定义产品，这方面整个产业界包括AI算法厂商和系统方案商和终端设备厂商都有参与其中。这次展会，我看到了很多厂商提出了自己定义的应用场景，比如，智慧工地，智慧校园，智慧园区，智慧云厦，智慧空间，智能楼宇，智慧商场，智慧停车，智能教育，智慧通行，智慧社区，智慧办公，智慧出行，智慧身份验核，智慧锁，防火减灾。。。等等不一而足，这些做法是在扩大AI的应用场景边界，做大产业蛋糕，至少先做大自己擅长的那块儿，率先进军自己熟悉的场景领域建立技术壁垒或者技术标准。

尤其AI和IOT结合后，成为AIOT，场景定义更加泛化，几乎无所不在，无所不包，AI定义变成了”不缺少AI场景，只是缺少善于发现的眼睛”. 比较有代表性的比如熵基科技的智慧云厦方案，它的方案架构如下图所示。其实整个架构去掉AI的成分，也是一个合理的治理方案。针对小区大厦的管理，挖掘AI的使用场景，通过无所不在的传感器，IPC摄像头，安防监控，IOT互联网络等将AI功能赋能给最终用户。

类似的方案还有云天厉飞智慧校园，云从科技的智慧园区，智慧工地等等，

很多其它的场景挖掘也是类似的思路，比如涂鸦智能的智能婴儿看护器，让家长对宝宝的独处时候的安全更加放心，旷视科技的智能结构化人流行为统计分析能够统计集会，拥挤，繁华街区等场景下人们的行为，能够辨识出聚众，扭打，偷窃，摔倒，打电话，闯红绿灯，奔跑，抽烟，醉酒等行为，这些场景信息为公共安全管理部门提供了精确的信息输入，提高了这些部门的工作效率，也是归因于对各类场景的挖掘。

   在这些方案场景中，AI并非是挑大梁的技术，更多的作为锦上添花的功能赋能产品，但是当用户使用习惯一旦养成，就会成为产品的刚需。这些方案的算力要求总体上分布在0.5T-2T之间，其中大部分的场景，比如停车厂，小区物业管理，校园，门禁系统等等一般的1T以下算力都可以满足场景需求。这方面，我们公司的V853/V851/V831/V833等均满足这方面的指标，有些友商比如亿智的SV系列，汉王科技在它们的智慧门禁产品上有使用，算力上和我们的V831相当。

   旷视科技的3D自校准技术，可以辨别二维重叠的目标物体是否在三维角度真的重叠，可以根据车形，人形信息，利用算法将二维平面图转换为3D视图，有效辨别人流密集，车流碰撞等信息。 

于场景安全方面，云天厉飞，旷视科技，熵基科技等多家厂商都提出了自己的解决方案，包括指掌纹识别，静脉识别，红外识别，3D点云识别，3D结构光技术，主动式活体检测，混合生物识别，虹膜检测，双模态人脸识别，辨别授权用户和非法用户，保证使用场景的安全。

​芯片算法****

不止是AI算法厂商，包括各类的方案商和终端厂商都声称拥有自己的核心算法，可能是不同于芯片，算法比较好攒，技术门槛相对比较小，比如涂鸦科技参展商的各类音视频应用，汉王视频门禁终端等等，多声称使用的自研算法。

基于NPU硬件之上的人形，人脸，越界检测，移动侦测，车形，电子围栏，在离岗侦测，以及行为分析检测成为应用等场景是主流，这方面，之前只做算法的，纯粹的算法厂商，比如商汤科技（当天没参展）, 旷视科技，云天厉飞等，也开始逐渐转型，讲芯片的故事，比如云天厉飞的边缘端人工智能芯片DeepEye1000，使用了算力2T的NPU， 处理器内置的玄铁810，可实现高性能，低功耗的CNN网络模型推理加速。应用于视觉AI场景，随着RISCV开源生态的发展，这种RISCV+自研NPU的架构应该会成为未来端侧推理的常见架构。DeepEye1000芯片专注边缘和端侧视觉应用，基于多核异构并行计算架构设计，内置四核神经网络处理器，可支持INT16,INT12,INT8混合精度量化数据，支持主流神经网络模型。

RK3588，RK发布新一代的性能魔兽RK3588，NPU峰值算力达到6T，这方面比我们走的更靠前一些，到了RK3588，RK的NPU已经开发到第四代，它的NPU技术来源于芯原，经过了四代演进，已经消化和吸收并形成了改进的能力，第四代NPU就是其在消化吸收的基础上对NPU做的一次性能提升。总体上，RKNN无论工具还是软件架构都类似于VIP，RKNNToolkit的功能更是和acuity toolchain如出一辙。

IP结构上面，VIP分为了NN，TP，PPU（shader)三种计算单元，卷积放在NN上执行，由于NN是硬件连线，执行效率和功耗更占优，TP则是负责内存搬运，比如池化操作放在TP上执行，还有PPU，它类似于GPU中的 Shader单元，可以通过编成实现灵活的逻辑，有专门的指令集EVIS对其进行编程，上采样算子以及反量化算子可以放上去跑。当然，RK不叫这个名字，但是也仅仅是不叫这个名字，RK分别叫做 CNA， DPU，PPU，应该是换汤不换药，功能类似。观展后总体感觉RK的异构算力整合能力是强于我们的，很多我之前听都没有听过的IP，他们已经玩儿的很6了，不过再强大的算力整合能力，也需要软件配合好

其次，中星微也发布了它们的4T NPU算力芯片，中兴微的NPU设计开发能力也比较完整，有全套的模型导入，编译，转化，量化，仿真工具。它们展示了VC07684K AI IP Camera, 具备4T的算力。它们展台前展示了一个demo,通过前端摄像头采集了一张拥有900张人头像的照片，通过NPU的目标检测算法，将检出结果框选后投屏的大屏幕上，仔细观察，召回率和精度都能达到%100.

经过咨询，它们使用的是YOLOV5S算法，如果按照标准YOLO算法处理的图像统计，网络吃图按照416*416计算，那么每张人像在NPU处理的尺寸中只占用 192个像素，这么小的区域都可以检测到，不知道是算法优化的好还是硬件做的出色。

其它的展位还参观了SOPHON(比特大陆算丰),它们展出了BM1682、BM1684号称支持3TOPS的单精度浮点算力.

因为场景大多是碎片化的，目前AI的算法很难做到通用化，必然涉及到大量的定制，而AI的基础除了算力和算法，还有数据，对算法公司来说，很多的数据都掌握在客户，或者终端运营方手里，它们也并不想分享给算法商，如果数据很有价值，客户也会自研算法，进一步挤压纯粹算法商的生存空间，所以，很多纯粹的算法公司也开始涉足芯片，涉足产品。

软件技术栈

这方面给我留下深刻印象的是涂鸦科技，它的站台产品种类非常丰富，涵盖了智能家具，智能硬件，IPC等全品类，小如防狼器，大无线视频机都有。

这些产品的额共同特点是拥有一套统一的软件栈，如下图所示，从架构图中可以看到，涂鸦只负责整个软件栈中的云平台服务部分，内涵小，外延大，在我们的软件SDK管理中，也可以参考这种做法，开源不重要的部分，核心部分，价值提供部分保持闭源，做我们自己擅长的事情，不但减轻我们的开发负担，而且充分利用客户生态资源，群策群力，扩大产品应用场景范围，

总结:

个人感受，在未来，通过不断深入挖掘场景，AI的市场还具有很大成长空间。